【技术实现步骤摘要】
关键点检测模型训练方法、关键点检测方法及装置
本专利技术涉及图像处理
，尤其涉及一种关键点检测模型训练方法、关键点检测方法及装置。
技术介绍
目前，关键点检测任务主要面临以下三个问题：其一，关键点训练数据的标注极其耗时，尤其是面临新的关键点检测任务时，关键点的标注工作更加耗时复杂。并且，不同的标注人员在标注的时候，会因为个人的判断和标注的差异，在标注任务中引入关键点的标注误差。同一个关键点的位置因标注误差在小范围有波动，从而增加了关键点训练收敛的难度。其二，低质量数据的检测困难，例如，对于一个有多个关键点检测任务时，在遮挡、姿态和光照或者关键点标注的部位没有出现在图像中等情况下，通常会有一些关键点被遮挡或者是质量很差。在这种情况下，关键点标注者本身也无法准确判断关键点所在的准确位置，如果将这些所有的关键点都送到网络进行学习，会影响整个关键点学习的准确性。其三，为了不断地提升关键点检测网络的效果，现有的网络大都通过对网络进行不断地堆叠，来提升关键点检测的准确度，如：Hourglass、CPN(对偶...
【技术保护点】
1.一种关键点检测模型训练方法，其特征在于，包括：/n获取训练样本集；其中，所述训练样本集中包括第一类型的训练样本和第二类型的训练样本，所述第一类型的训练样本包括训练图像、训练图像中的关键点的位置及相应关键点的可用性，所述第二类型的训练样本包括训练图像；/n利用第一类型的训练样本和第一总损失函数训练教师网络，得到训练后的教师网络；其中，所述第一总损失函数包括用于约束关键点的可用性的损失函数和用于约束关键点的位置的损失函数；/n从所述训练样本集中选取第一训练样本，在所述第一训练样本为所述第二类型的训练样本的情况下，将所述第一训练样本输入至训练后的教师网络，得到第一关键点位置预...
【技术特征摘要】
1.一种关键点检测模型训练方法，其特征在于，包括：
获取训练样本集；其中，所述训练样本集中包括第一类型的训练样本和第二类型的训练样本，所述第一类型的训练样本包括训练图像、训练图像中的关键点的位置及相应关键点的可用性，所述第二类型的训练样本包括训练图像；
利用第一类型的训练样本和第一总损失函数训练教师网络，得到训练后的教师网络；其中，所述第一总损失函数包括用于约束关键点的可用性的损失函数和用于约束关键点的位置的损失函数；
从所述训练样本集中选取第一训练样本，在所述第一训练样本为所述第二类型的训练样本的情况下，将所述第一训练样本输入至训练后的教师网络，得到第一关键点位置预测结果和相应的第一关键点可用性预测结果，并将所述第一训练样本输入至学生网络，得到第二关键点位置预测结果和相应的第二关键点可用性预测结果；
将所述第一关键点位置预测结果、所述第一关键点可用性预测结果、所述第二关键点位置预测结果、及第二关键点可用性预测结果输入至第二总损失函数，得到第二总损失函数的第一数值，并将第二总损失函数的第一数值反馈至学生网络，以基于训练后的教师网络的知识蒸馏利用第二类型的训练样本训练学生网络，并根据训练后的学生网络或包括训练后的学生网络和训练后的教师网络的网络得到关键点检测模型；其中，所述第二总损失函数包括用于约束学生网络的关键点位置预测结果接近教师网络的关键点位置预测结果的损失函数和用于约束学生网络的关键点可用性预测结果接近教师网络的关键点可用性预测结果的损失函数。
2.如权利要求1所述的关键点检测模型训练方法，其特征在于，所述第二总损失函数还包括用于约束学生网络的关键点位置预测结果接近已知关键点位置的损失函数和用于约束学生网络的关键点可用性预测结果接近已知关键点可用性预测结果的损失函数；
根据训练后的学生网络或包括训练后的学生网络和训练后的教师网络的网络得到关键点检测模型之前，所述方法，还包括：
从所述训练样本集中选取第二训练样本，在所述第二训练样本为所述第一类型的训练样本的情况下，将所述第二训练样本输入至学生网络，得到第三关键点位置预测结果和相应的第三关键点可用性预测结果，并将所述第三关键点位置预测结果和所述第三关键点可用性预测结果输入至所述第二总损失函数，得到第二总损失函数的第二数值，并将第二总损失函数的第二数值反馈至学生网络，以利用第一类型的训练样本训练学生网络。
3.如权利要求2所述的关键点检测模型训练方法，其特征在于，从所述训练样本集中选取第二训练样本，在所述第二训练样本为所述第一类型的训练样本的情况下，将所述第二训练样本输入至学生网络，得到第三关键点位置预测结果和相应的第三关键点可用性预测结果，并将所述第三关键点位置预测结果和所述第三关键点可用性预测结...
【专利技术属性】
技术研发人员：刘京，张慧，王雅丽，
申请(专利权)人：北京中科虹霸科技有限公司，
类型：发明
国别省市：北京;11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。